ENVI高光譜分析技術,鄧書斌,主要內容,1、高光譜簡介 2、高光譜數據預處理 3、物質制圖與識別、探測 4、植被分析,1、高光譜遙感簡介,光學遙感技術的發展： 全色（黑白）彩色攝影多光譜掃描成像高光譜遙感 高光譜分辨率遙感（HyperspectralRemote Sensing） 用很窄（10-2）而連續的光譜通道對地物持續遙感成像的技術。在可見光到短波紅外波段其光譜分辨率高達納米(nm)數量級，通常具有波段多的特點，光譜通道數多達數十甚至數百個以上，而且各光譜通道間往往是連續的，因此高光譜遙感又通常被稱為成像光譜（Imaging Spectrometry）遙感。,從光譜影像上獲得光譜曲線,高光譜圖像,空間成像的同時，記錄下成百個連續光譜通道數據,從每個像元均可提取一條連續的光譜曲線,對高光譜圖像的處理實質是對像元光譜曲線的定量化處理與分析,高光譜成像技術,成像光譜儀： 與地面光譜輻射計相比，成像光譜儀不是在“點”上的光譜測量，而是在連續空間上進行光譜測量，因此它是光譜成像的； 與傳統多光譜遙感相比，其光譜通道不是離散而是連續的，因此從它的每個像元均能提取一條平滑而完整的光譜曲線。,成像光譜儀系統介紹,航空成像光譜儀系統 國內系統：MAIS、OMIS-1、OMIS-2、PHI、WHI、LASIS 國外系統：AIS、AVIRIS、TRWIS、GERIS、HYDICEAISA、DAIS、CASI、HYMAP,AVIRIS,Spectral coverage: VIS to NIR (400-2500nm) Spectral bands: 224 Spectral resolution: 10nm FOV: 30 IFOV: 1.0 mrad Digitization:12 bits,HYMAP,Spectral coverage: VIS:400-800nm,15nm bands; NIR:881-1335nm, 14nm bands; SWIR1:1400-1813nm, 12nm bands; SWIR2:1950-2543nm, 16nm bands; Spectral bands: 126 FOV: 60 IFOV: 2.5 mrad(along_track) 2.0 mrad(across_track) Pixels per line: 512,航天成像光譜儀系統Hyperion/EO-1,國家：美國 時間：2000年11月衛星發射成功 掃描帶寬：7.5km, 空間分辨率：30米， 在0.42.5m共有220波段: 可見光近紅外(400-1000nm): 60波段， 短波紅外(900-2500nm): 160波段。,環境與減災小衛星星座（HJ-1B）,2、高光譜數據預處理,傳感器定標 大氣校正,傳感器定標,傳感器定標是針對設備本身，建立傳感器每個探測元件輸出的數據量化值（DN）與它所對應像元內的實際地物的輻射亮度之間的定量關系（陳述彭等，1998）。輻射亮度（輻射率）單位可為：（W）/（cm2*nm*sr）。 ENVI提供針對特定傳感器的定標，包括ASTER、AVHRR、MODIS、MSS、TM、IKONOS、QuickBird、WorldView等；通用方法，包括：平場域定標、對數殘差、內部平均反射率法和經驗線性；針對熱紅外數據，還提供大氣校正工具、相對通道發射率、歸一化發射率、殘差等定標工具。,為什么做大氣糾正？,太陽輻射通過大氣以某種方式入射到物體表面然后再反射回傳感器 原始影像包含物體表面，大氣，以及太陽的信息 如果我們想要了解某一物體表面的光譜屬性，我們必須將它的反射信息從大氣和太陽的信息中分離出來。,大氣散射,直接反射,鄰接反射,大氣校正方法,基于輻射傳輸模型 LOWTRAN模型 MORTRAN模型 ATCOR模型 6S模型 基于統計學模型 平場域定標 對數殘差 內部平均反射率法 經驗線性 基于簡化輻射傳輸模型的黑暗像元法 基于統計的不變目標法 基于植被指數的大氣阻抗植被指數法 ,ENVI大氣校正模塊,ENVI的大氣校正模塊的模型為MODTRAN 4+模型，它是由Spectral Sciences, Inc. (SSI)和Air Force Research Labs (AFRL)合作開發，ITT VIS進行整合和圖形化。 ENVI的大氣校正模塊能夠對高光譜、多光譜影像進行校正。 高光譜包括：HyMAP、 AVIRIS、 HYDICE、HYPERION、Probe-1, CASI、AISA等； 多光譜包括：ASTER、AVHRR、IKONOS、IRS、Landsat、MODIS、SeaWiFS、SPOT、QuickBird等，以及航空（860nm-1135nm）數據。 多光譜與高光譜的模型基礎一樣：MODTRAN 4+。這個模塊通過高光譜像素光譜上的特征來估計大氣的屬性，可以有效地去除水蒸氣, 氣溶膠散射，漫反射的鄰域效應。采用向導式操作流程，還包括快速大氣校正功能。,使用ENVI大氣校正模塊輸入文件準備,數據是經過定標后的輻射亮度（輻射率）數據 數據帶有中心波長（wavelenth）值，如果是高光譜還必須有波段寬度（FWHM）,這兩個參數都可以通過編輯頭文件信息輸入（Edit Header）。 數據類型 支持四種數據類型：浮點型（floating）、4-byte signed integers, 2-byte signed integers,以及 2-byte unsigned integers。 數據存儲類型： ENVI標準柵格格式文件，且是BIP或者BIL。 波譜范圍：flaash能夠做的數據光譜范圍是0.42500m。,使用ENVI大氣校正模塊基本參數設置,傳感器基本信息設置,使用ENVI大氣校正模塊大氣模型,水氣去除設置Water Retrieval,水氣去除設置，采用兩種方式對水氣進行去除： 利用水氣去除模型恢復影像中每個像元的水氣量 使用水氣去除模型，數據必須具有15nm以上波譜分辨率，且至少覆蓋以下波譜范圍之一： 1050-1210 nm (對應 1135 nm) 870-1020 nm (對應940 nm) 770-870 nm (對應820 nm) 單一的水氣因數用于整體影像，默認是1， 對于多光譜數據使用水氣去除模型，可以在多光譜設置中手動設置水氣波段,氣溶膠模型（Aerosol Model）,提供四種標準MODTRAN氣溶膠模型 Rural（鄉村）、Urban（城市）、Maritime（海洋）、Tropospheric（對流層，能見度在40km以上） 兩種氣溶膠去除方法 2-Band（K-T）方法(類似模糊減少法)，如果沒有找到適應的黑值（一般是陰影區或者水體），系統將采用能見度值來計算；所以即使選擇了該選項也要給能見度。 選擇None，采用能見度值參與氣溶膠去除，能見度值大約參考值參見表,高級設置,光譜定義文件：內置AVIRIS、HYMAP、HYDICE、HYPERION、CASI、AISA。 氣溶膠厚度系數：用于技術鄰域效應范圍。一般值為12km。 CO2混合比率：默認為390ppm。 使用領域糾正。 使用以前的MODTRAN模型計算結果。 設置MODTRAN模型的光譜分辨率（推薦值5 cm-1)。 設置MODTRAN多散射模型。 提供三種模型供選擇Isaacs，DISORT和 Scaled DISORT。默認是Scaled DISORT和streams為8，這種模型對于小于1000nm具有較高的精度； 天頂角方位角（針對非星下點傳感器）。 輸出反射率縮放系數（Output Reflectance Scale Factor）：為了降低結果儲存空間，默認反射率乘于10000。,輸出結果,表面反射率影像 水氣含量數據 云圖 日志文件 FLAASH大氣校正模板文件,3、物質制圖與識別、探測,波譜庫 波譜分析 端元波譜收集 高光譜制圖與識別,波譜庫,ENVI波譜庫 （安裝目錄下spec_lib） Jet Propulsion Laboratory 0.42.5um 160種純礦物波譜 美國地質調查局(USGS) 0.42.5um 500種質優礦物波譜 和幾個植被波譜 Johns hopkins university 0.414um 礦物波譜 IGCP264 (項目) 26個質優樣品應用波譜儀測量得到 打開波譜庫（spectral/spectral libraries/view) 顯示波譜曲線(點擊） 創建波譜庫（spectral/spectral libraries/builder),波譜庫的創建與瀏覽,輸入波長范圍 輸入光譜 從圖像中獲取 外部文件（二進制）導入 ASD波譜儀 波譜庫交互 波譜庫查看、編輯和分析 波譜分割 波譜重采樣,波譜分析工具 Spectral Analyst,波譜分析首先需要打開一個波譜庫，然后將未知波譜與波譜庫中的波譜進行匹配處理，該工具運用波譜角分類,波譜特征擬和二進制編碼技術,對一未知波譜與波譜庫中要素的匹配進行排序,輸出一個列表,按照波譜匹配的好壞依次排列,并紀錄一個總體的得分. 匹配時需要設置三種方法所占的權重,權重是任意的,最后輸出一個總體得分,得分越高,表明匹配效果越好.,光譜識別流程,MNF變換,重要作用 用于判定圖像內在的維數 分離數據中的噪聲 減少計算量 彌補了主成分分析在高光譜數據處理中的不足 計算時需要輸入的參數 統計信息的圖像范圍 shift diff subset 噪聲統計文件（可以用到另一副圖像上做變換） MNF統計文件(反變換的時候要用) Mnf變換輸出波段選擇(根據特征值選擇輸出波段),利用MNF變換后的圖像進行端元提取 經過MNF變換后的圖像波段之間的相關性有效地降低了，并且出現了多個拐點，這些拐點就是我們要找的端元Endmembers。 波譜曲線對比編輯端元 生成端元地物平均波譜曲線 利用波譜分析工具進行端元識別 識別每一類地物后,將端元導出成ROI,PPI純凈像元指數,生成的結果是一副灰度的影像,DN值越大表明像元越純. 作用及原理 純凈像元指數法對圖像中的像素點進行反復迭代，可以在多光譜或者高光譜影像中尋找最” 純”的像元.(通常基于MNF變換結果來進行) 純凈像元指數可以將N維散點圖迭代映射為一個隨機單位向量來計算,每次映射的極值像元被記錄下來,并且被標為極值的總數也被記錄下來. 按照多次映射每個像元被記錄為極值像元的次數來決定該像元是否為純凈像元. 計算時需要輸入的參數 進行迭代的次數 設置域值的系數(極值像元的域值) 數據二次采樣(減少內存,但不能太小),處理時會出現純凈像元指數圖 X- 像元迭代次數,Y-極值像元總數 該圖顯示了PPI做為迭代次數的函數 當所有極值像元都已經找到后,它應該接近于一條水平線 處理結果: DN值越大表明像元越純. PPI純凈像元指數提取ROI 設置波段域值提取PPI_ROI 通常只設最小值 (值越大,像元越純凈),N維可視化器,提取PPI_ROI后打開N維可視化器,選擇MNF變換結果,系統默認導入PPI_ROI PPI_ROI端元提取 波譜曲線對比編輯ROI 生成地物平均波譜 波譜分析,端元識別,端元波譜收集,端元波譜收集器 ASCII文件 ASD測量文件 波譜庫 ROI/矢量文件 統計文件 剖面波譜圖 N維可視化分析器 二維散點圖 SMACC工具 所有監督分類與高光譜制圖工具,高光譜制圖,二進制編碼 波譜角分類 線性波段預測（LS-Fit） 線性波譜分離 光譜信息散度 匹配濾波 混合調諧匹配濾波（MTMF） 包絡線去除 光譜特征擬合 多范圍光譜特征擬合,高光譜制圖練習,從標準波譜庫中獲取端元波譜 打開jpl_lib/jpl1.sli波譜庫文件，獲得以下物質的波譜 ALUNITE SO-4A BUDDINGTONITE FELDS TS-11A CALCITE C-3D CHABAZITE TS-15A ILLITE PS-11A KAOLINITE WELL ORDERED PS-1A 選擇Spectral Angle Mapper制圖方法,波譜沙漏工具目標識別,向導式波譜分析工具 影像亮度值定標為反射率 最小噪聲分離（MNF） 純凈像元指數（PPI） N維散度分析 選擇終端單元 地物制圖（地物識別）,作用：將地物波譜與端元波譜進行對比來地物制圖（識別地物）,SAM與BandMax結合進行目標探測,基于BandMax向導的SAM目標探測引導你完成高光譜影像的目標探測。向導的BandMax部分能幫你找到最佳的波譜子集以區分背景和目標，并節省處理的時間。 向導主要有以下幾個步驟： 選擇輸入/輸出文件 選擇目標選擇目標波譜 選擇背景選擇需要抑制的背景信息 利用BandMax計算有效波段識別對SAM分析中有效的波段 選擇最大角閾值 定義SAM 最大角 檢驗制圖成果 SAM分析以及成果檢驗。,4、植被分析,植被指數計算器 植被分析,植被指數計算器,提供了6類 27種植被指數的計算 綠度 Greenness 光利用率 Light Use Efficiency 氮 干旱或炭衰減Dry or Senescent Carbon Stress Pigments 冠層水分含量Canopy